CN116431857B - 一种用于无人场景的视频处理方法和*** - Google Patents
一种用于无人场景的视频处理方法和*** Download PDFInfo
- Publication number
- CN116431857B CN116431857B CN202310698687.XA CN202310698687A CN116431857B CN 116431857 B CN116431857 B CN 116431857B CN 202310698687 A CN202310698687 A CN 202310698687A CN 116431857 B CN116431857 B CN 116431857B
- Authority
- CN
- China
- Prior art keywords
- video
- gray
- real
- frames
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 77
- 230000006870 function Effects 0.000 claims abstract description 62
- 230000008859 change Effects 0.000 claims abstract description 55
- 230000003068 static effect Effects 0.000 claims abstract description 55
- 238000004088 simulation Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 29
- 238000000605 extraction Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 8
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 6
- 239000000284 extract Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/71—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于图像处理技术领域,尤其涉及一种用于无人场景的视频处理方法和***,所述方法包括:获取无人场景处的实时监控视频;提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频;对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,确定灰度画面帧序列的时间信息;对画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储。本发明通过对视频进行段落划分,将其中包含的静态部分通过函数进行模拟,从而在后续使用时进行恢复,在存储时降低了内存的占用量,在使用时可以快速恢复,提高了物理内存的利用率。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种用于无人场景的视频处理方法和***。
背景技术
视频监控包括前端摄像机、传输线缆、视频监控平台;摄像机可分为网络数字摄像机和模拟摄像机,可作为前端视频图像信号的采集;完整的视频监控***是由摄像、传输、控制、显示、记录登记5大部分组成;摄像机通过网络线缆或同轴视频电缆将视频图像传输到控制主机,控制主机再将视频信号分配到各监视器及录像设备,同时可将需要传输的语音信号同步录入到录像机内。
在现有技术中,对无人场景进行监控时,将会产生大量的重复的视频数据,重复的视频数据中,除了光线强度以及方向的变化,其有用信息很少,造成了存储空间的浪费。
发明内容
本发明实施例的目的在于提供一种用于无人场景的视频处理方法,旨在解决重复的视频数据中,除了光线强度以及方向的变化,其有用信息很少,造成了存储空间的浪费的问题。
本发明实施例是这样实现的,一种用于无人场景的视频处理方法,所述方法包括:
获取无人场景处的实时监控视频;
提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频,所述区间段视频分为动态视频和静态视频;
对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,根据时间轴确定灰度画面帧序列的时间信息;
对灰度画面帧序列中的画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储。
优选的,所述提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频的步骤,具体包括:
调取实时监控视频,确定每一帧图像对应的时刻,得到时间轴;
将实时监控视频中的相邻两组图片采样处理,得到两组采样像素信息;
将两组采样像素信息进行比对,根据比对结果判断时间轴断点位置,对实时监控视频进行分割,得到动态视频和静态视频。
优选的,所述对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,根据时间轴确定灰度画面帧序列的时间信息的步骤,具体包括:
按照预设的时间间隔对静态视频进行视频帧提取,得到采样视频画面;
将静态视频拆解为多组视频画面图像,对每一组视频画面图像进行二值化处理,得到灰度画面帧,组建灰度画面帧序列;
查询时间轴,确定每一组灰度画面帧对应的时间数据。
优选的,所述对灰度画面帧序列中的画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储的步骤,具体包括:
以灰度画面帧序列中的第一张灰度画面帧为参考,计算所有其他灰度画面帧与其对应像素之间的灰度值差值,得到灰度统计结果;
以时间信息和灰度值差值为元素,构建多个数据点集,根据数据点集生成多组灰度变化模拟函数;
对动态视频、灰度变化模拟函数和提取的视频帧进行存储。
优选的,需要使用静态视频时,调取动态视频、灰度变化模拟函数和提取的视频帧进行数据恢复。
优选的,第一张灰度画面帧中像素的数量与灰度变化模拟函数的数量相同。
本发明实施例的另一目的在于提供一种用于无人场景的视频处理***,所述***包括:
数据获取模块,用于获取无人场景处的实时监控视频;
视频分段模块,用于提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频,所述区间段视频分为动态视频和静态视频;
视频图像处理模块,用于对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,根据时间轴确定灰度画面帧序列的时间信息;
数据存储模块,用于对灰度画面帧序列中的画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储。
优选的,所述视频分段模块包括:
时间信息提取单元,用于调取实时监控视频,确定每一帧图像对应的时刻,得到时间轴;
图像采样单元,用于将实时监控视频中的相邻两组图片采样处理,得到两组采样像素信息;
视频分割单元,用于将两组采样像素信息进行比对,根据比对结果判断时间轴断点位置,对实时监控视频进行分割,得到动态视频和静态视频。
优选的,所述视频图像处理模块包括:
关键图像提取单元,用于按照预设的时间间隔对静态视频进行视频帧提取,得到采样视频画面;
灰度处理单元,用于将静态视频拆解为多组视频画面图像,对每一组视频画面图像进行二值化处理,得到灰度画面帧,组建灰度画面帧序列;
时间数据提取单元,用于查询时间轴,确定每一组灰度画面帧对应的时间数据。
优选的,所述数据存储模块包括:
像素统计单元,用于以灰度画面帧序列中的第一张灰度画面帧为参考,计算所有其他灰度画面帧与其对应像素之间的灰度值差值,得到灰度统计结果;
函数模拟单元,用于以时间信息和灰度值差值为元素,构建多个数据点集,根据数据点集生成多组灰度变化模拟函数;
信息存储单元,用于对动态视频、灰度变化模拟函数和提取的视频帧进行存储。
本发明实施例提供的一种用于无人场景的视频处理方法,通过对视频进行段落划分,将其中包含的静态部分通过函数进行模拟,从而在后续使用时进行恢复,在存储时降低了内存的占用量,在使用时可以快速恢复,提高了物理内存的利用率。
附图说明
图1为本发明实施例提供的一种用于无人场景的视频处理方法的流程图;
图2为本发明实施例提供的提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频的步骤的流程图;
图3为本发明实施例提供的对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,根据时间轴确定灰度画面帧序列的时间信息的步骤的流程图;
图4为本发明实施例提供的对灰度画面帧序列中的画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储的步骤的流程图;
图5为本发明实施例提供的一种用于无人场景的视频处理***的架构图;
图6为本发明实施例提供的一种视频分段模块的架构图;
图7为本发明实施例提供的一种视频图像处理模块的架构图;
图8为本发明实施例提供的一种数据存储模块的架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,为本发明实施例提供的一种用于无人场景的视频处理方法的流程图,所述方法包括:
S100,获取无人场景处的实时监控视频。
在本步骤中,获取无人场景处的实时监控视频,为了对无人场景进行监控,在无人场景处设置监控设备,通过监控设备对无人场景进行拍摄,对于无人场景而言,其画面变动通常比较小,因此获取的实时监控视频的内容大篇幅都是重复的,或者仅存在亮度或者光影的轻微变化,若对上述信息均进行同步存储,将会占用大量的存储空间,实际上是对存储空间的浪费,因为其包含的有用信息很少。
S200,提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频,所述区间段视频分为动态视频和静态视频。
在本步骤中,提取实时监控视频的时间轴,实时监控视频实际上是由多组单独的图片构成的,因此,在进行视频数据的采集时,可以确定每一组画面帧对应的时间,即可确定时间轴,那么每一个画面的时间均可被确定,为了对实时监控视频的画面进行识别,将相邻两组画面帧进行比对,根据画面的变动来初步判断视频画面中是否存在大幅的信息变化,据此将整个实时监控视频划分为多个区间段视频,视频变化超过预设值的区间段视频被划分为动态视频,而剩下的则为静态视频,静态视频并非其画面为完全静止的,不存在两幅图像其不存在任何的变化,只是静态视频中,相邻两幅画面之间的变动很小。
S300,对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,根据时间轴确定灰度画面帧序列的时间信息。
在本步骤中,对每段静态视频进行视频帧提取,为了保证部分有用信息,按照预设的时间间隔进行视频帧提取,如每间隔10帧提取一帧画面,得到视频帧,视频帧是不经过处理直接进行保存的,然后从整个静态视频中提取所有的画面帧,并对其进行灰度处理,彩色的画面帧包含了大量的色彩信息,通过灰度处理能保量有用信息,并降低数据量,然后根据时间顺序对所有经过灰度处理的画面帧进行排序,以生成灰度画面帧序列,时间轴记录了所有画面帧的采集时间。
S400,对灰度画面帧序列中的画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储。
在本步骤中,对灰度画面帧序列中的画面帧进行灰度统计,通过进行灰度统计,确定每一个画面帧中像素的灰度值,那么就能确定所有画面中像素的灰度值,由于视频采集设备相同,因此所有画面的尺寸都相同,可以构建坐标系,确定每一组画面帧中像素的坐标,那么具有相同坐标的像素的灰度值即可按照时间顺序进行排列,以得到多个以时间为横坐标,以灰度值为纵坐标的坐标集,根据坐标集进行函数拟合,得到灰度变化模拟函数,一组画面帧中的的像素数量与最终得到的灰度变化模拟函数的数量相同,对动态视频、灰度变化模拟函数和提取的视频帧进行存储,在需要恢复数据时,根据时间信息,将其代入到灰度变化模拟函数中,即可确定各个位置的像素的灰度值,以得到灰度画面帧,以形成灰度视频。
如图2所示,作为本发明的一个优选实施例,所述提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频的步骤,具体包括:
S201,调取实时监控视频,确定每一帧图像对应的时刻,得到时间轴。
在本步骤中,调取实时监控视频,由于在采集视频的时候,已经确定了每一个视频画面的采集时间,因此,据此生成时间轴,在时间轴中记录了每一张画面的编号以及对应的生成时间。
S202,将实时监控视频中的相邻两组图片采样处理,得到两组采样像素信息。
在本步骤中,将实时监控视频中的相邻两组图片采样处理,具体的,随机从相邻两组图片中的相同位置采集像素信息,采集像素的数量大于图片的像素数量的20%,得到两组采样像素信息。
S203,将两组采样像素信息进行比对,根据比对结果判断时间轴断点位置,对实时监控视频进行分割,得到动态视频和静态视频。
在本步骤中,将两组采样像素信息进行比对,将上述采样像素信息进行一一比对,统计其中重复像素的数量以及采样像素的总数量,若重复像素占据的比例大于预设值,则说明两者相似或者相同,则说明两者属于同一类视频,反之则以此为分界线,将其作为视频的分割点,得到多个区间段视频,判定第一段区间段视频的画面变化量,即出现变化的像素数量,若其与画面的像素总数量的比值大于预设值,则其为动态视频,此后相邻的视频则为静态视频,按照上述方式,将区间段视频划分为静态视频和动态视频,与静态视频相邻的均为动态视频,与动态视频相邻的均为静态视频,即两者间隔设置。
如图3所示,作为本发明的一个优选实施例,所述对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,根据时间轴确定灰度画面帧序列的时间信息的步骤,具体包括:
S301,按照预设的时间间隔对静态视频进行视频帧提取,得到采样视频画面。
在本步骤中,按照预设的时间间隔对静态视频进行视频帧提取,具体的,按照预设的提取比例提取,如提取10%的画面作为视频帧,以帧率为60的视频为例,选择六组画面帧进行提取,选择时,可以提取1/6s,2/6s,3/6s,4/6s,5/6s,6/6s对应的画面帧,得到采样视频画面。
S302,将静态视频拆解为多组视频画面图像,对每一组视频画面图像进行二值化处理,得到灰度画面帧,组建灰度画面帧序列。
在本步骤中,将静态视频拆解为多组视频画面图像,进行拆解,帧率为60的视频经过拆解之后,那么一秒的视频将会拆解得到60张画面帧,对拆解得到的所有视频画面图像进行二值化处理,即可得到对应数量的灰度画面帧,根据其处理顺序组建灰度画面帧序列。
S303,查询时间轴,确定每一组灰度画面帧对应的时间数据。
在本步骤中,查询时间轴,时间轴中记录了每一个画面帧的时间信息,据此将其添加进灰度画面帧序列当中,使其记录时间数据。
如图4所示,作为本发明的一个优选实施例,所述对灰度画面帧序列中的画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储的步骤,具体包括:
S401,以灰度画面帧序列中的第一张灰度画面帧为参考,计算所有其他灰度画面帧与其对应像素之间的灰度值差值,得到灰度统计结果。
在本步骤中,以灰度画面帧序列中的第一张灰度画面帧为参考,由于在静态视频中,画面的变化实际上很小,换言之,在静态视频中其他所有画面与第一张画面差别很小,出现的像素变化也很少,计算除第一张灰度画面帧中各个像素与第一张灰度画面帧的像素变化,如将第N张灰度画面帧中的左上角的第一个像素与第一张灰度画面帧中对应位置的像素进行比较,计算灰度值差值,将会得到N-1个灰度值差值,若第一张灰度画面帧中包含M个像素,那么最终将会得到M*(N-1)个灰度值差值,即为灰度统计结果。
S402,以时间信息和灰度值差值为元素,构建多个数据点集,根据数据点集生成多组灰度变化模拟函数。
在本步骤中,以时间信息和灰度值差值为元素,构建多个数据点集,具体的,以时间信息为横坐标,以灰度值差值为纵坐标,将处于不同灰度画面帧的对应位置的像素确定的坐标划分到一个数据点集中,即(Tn,Pn),其中Tn为该像素对应的时间信息,Pn即为灰度值差值,通过函数拟合,对数据点集进行拟合,即可得到一组灰度变化模拟函数,(Tn,Pn)均在上述灰度变化模拟函数上。
S403,对动态视频、灰度变化模拟函数和提取的视频帧进行存储。
在本步骤中,对动态视频、灰度变化模拟函数和提取的视频帧进行存储,在需要恢复时,将时间信息导入到灰度变化模拟函数中,即可得到灰度值差值,由于第一张灰度画面帧各个点的灰度值均已记录,据此可以确定各个灰度画面帧中各个像素的灰度值,即可恢复灰度画面帧,将其整合为视频,即可播放,而视频帧则是保留色彩信息的画面,可以据此为灰度视频提供参考。
如图5所示,为本发明实施例提供的一种用于无人场景的视频处理***,所述***包括:
数据获取模块100,用于获取无人场景处的实时监控视频。
在本***中,数据获取模块100获取无人场景处的实时监控视频,为了对无人场景进行监控,在无人场景处设置监控设备,通过监控设备对无人场景进行拍摄,对于无人场景而言,其画面变动通常比较小,因此获取的实时监控视频的内容大篇幅都是重复的,或者仅存在亮度或者光影的轻微变化,若对上述信息均进行同步存储,将会占用大量的存储空间,实际上是对存储空间的浪费,因为其包含的有用信息很少。
视频分段模块200,用于提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频,所述区间段视频分为动态视频和静态视频。
在本***中,视频分段模块200提取实时监控视频的时间轴,实时监控视频实际上是由多组单独的图片构成的,因此,在进行视频数据的采集时,可以确定每一组画面帧对应的时间,即可确定时间轴,那么每一个画面的时间均可被确定,为了对实时监控视频的画面进行识别,将相邻两组画面帧进行比对,根据画面的变动来初步判断视频画面中是否存在大幅的信息变化,据此将整个实时监控视频划分为多个区间段视频,视频变化超过预设值的区间段视频被划分为动态视频,而剩下的则为静态视频,静态视频并非其画面为完全静止的,不存在两幅图像其不存在任何的变化,只是静态视频中,相邻两幅画面之间的变动很小。
视频图像处理模块300,用于对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,根据时间轴确定灰度画面帧序列的时间信息。
在本***中,视频图像处理模块300对每段静态视频进行视频帧提取,为了保证部分有用信息,按照预设的时间间隔进行视频帧提取,如每间隔10帧提取一帧画面,得到视频帧,视频帧是不经过处理直接进行保存的,然后从整个静态视频中提取所有的画面帧,并对其进行灰度处理,彩色的画面帧包含了大量的色彩信息,通过灰度处理能保量有用信息,并降低数据量,然后根据时间顺序对所有经过灰度处理的画面帧进行排序,以生成灰度画面帧序列,时间轴记录了所有画面帧的采集时间。
数据存储模块400,用于对灰度画面帧序列中的画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储。
在本***中,数据存储模块400对灰度画面帧序列中的画面帧进行灰度统计,通过进行灰度统计,确定每一个画面帧中像素的灰度值,那么就能确定所有画面中像素的灰度值,由于视频采集设备相同,因此所有画面的尺寸都相同,可以构建坐标系,确定每一组画面帧中像素的坐标,那么具有相同坐标的像素的灰度值即可按照时间顺序进行排列,以得到多个以时间为横坐标,以灰度值为纵坐标的坐标集,根据坐标集进行函数拟合,得到灰度变化模拟函数,一组画面帧中的的像素数量与最终得到的灰度变化模拟函数的数量相同,对动态视频、灰度变化模拟函数和提取的视频帧进行存储,在需要恢复数据时,根据时间信息,将其代入到灰度变化模拟函数中,即可确定各个位置的像素的灰度值,以得到灰度画面帧,以形成灰度视频。
如图6所示,作为本发明的一个优选实施例,所述视频分段模块200包括:
时间信息提取单元201,用于调取实时监控视频,确定每一帧图像对应的时刻,得到时间轴。
在本模块中,时间信息提取单元201调取实时监控视频,由于在采集视频的时候,已经确定了每一个视频画面的采集时间,因此,据此生成时间轴,在时间轴中记录了每一张画面的编号以及对应的生成时间。
图像采样单元202,用于将实时监控视频中的相邻两组图片采样处理,得到两组采样像素信息。
在本模块中,图像采样单元202将实时监控视频中的相邻两组图片采样处理,具体的,随机从相邻两组图片中的相同位置采集像素信息,采集像素的数量大于图片的像素数量的20%,得到两组采样像素信息。
视频分割单元203,用于将两组采样像素信息进行比对,根据比对结果判断时间轴断点位置,对实时监控视频进行分割,得到动态视频和静态视频。
在本模块中,视频分割单元203将两组采样像素信息进行比对,将上述采样像素信息进行一一比对,统计其中重复像素的数量以及采样像素的总数量,若重复像素占据的比例大于预设值,则说明两者相似或者相同,则说明两者属于同一类视频,反之则以此为分界线,将其作为视频的分割点,得到多个区间段视频,判定第一段区间段视频的画面变化量,即出现变化的像素数量,若其与画面的像素总数量的比值大于预设值,则其为动态视频,此后相邻的视频则为静态视频,按照上述方式,将区间段视频划分为静态视频和动态视频,与静态视频相邻的均为动态视频,与动态视频相邻的均为静态视频,即两者间隔设置。
如图7所示,作为本发明的一个优选实施例,所述视频图像处理模块300包括:
关键图像提取单元301,用于按照预设的时间间隔对静态视频进行视频帧提取,得到采样视频画面。
在本模块中,关键图像提取单元301按照预设的时间间隔对静态视频进行视频帧提取,具体的,按照预设的提取比例提取,如提取10%的画面作为视频帧,以帧率为60的视频为例,选择六组画面帧进行提取,选择时,可以提取1/6s,2/6s,3/6s,4/6s,5/6s,6/6s对应的画面帧,得到采样视频画面。
灰度处理单元302,用于将静态视频拆解为多组视频画面图像,对每一组视频画面图像进行二值化处理,得到灰度画面帧,组建灰度画面帧序列。
在本模块中,灰度处理单元302将静态视频拆解为多组视频画面图像,进行拆解,帧率为60的视频经过拆解之后,那么一秒的视频将会拆解得到60张画面帧,对拆解得到的所有视频画面图像进行二值化处理,即可得到对应数量的灰度画面帧,根据其处理顺序组建灰度画面帧序列。
时间数据提取单元303,用于查询时间轴,确定每一组灰度画面帧对应的时间数据。
在本模块中,时间数据提取单元303查询时间轴,时间轴中记录了每一个画面帧的时间信息,据此将其添加进灰度画面帧序列当中,使其记录时间数据。
如图8所示,作为本发明的一个优选实施例,所述数据存储模块400包括:
像素统计单元401,用于以灰度画面帧序列中的第一张灰度画面帧为参考,计算所有其他灰度画面帧与其对应像素之间的灰度值差值,得到灰度统计结果。
在本模块中,像素统计单元401以灰度画面帧序列中的第一张灰度画面帧为参考,由于在静态视频中,画面的变化实际上很小,换言之,在静态视频中其他所有画面与第一张画面差别很小,出现的像素变化也很少,计算除第一张灰度画面帧中各个像素与第一张灰度画面帧的像素变化,如将第N张灰度画面帧中的左上角的第一个像素与第一张灰度画面帧中对应位置的像素进行比较,计算灰度值差值,将会得到N-1个灰度值差值,若第一张灰度画面帧中包含M个像素,那么最终将会得到M*(N-1)个灰度值差值,即为灰度统计结果。
函数模拟单元402,用于以时间信息和灰度值差值为元素,构建多个数据点集,根据数据点集生成多组灰度变化模拟函数。
在本模块中,函数模拟单元402以时间信息和灰度值差值为元素,构建多个数据点集,具体的,以时间信息为横坐标,以灰度值差值为纵坐标,将处于不同灰度画面帧的对应位置的像素确定的坐标划分到一个数据点集中,即(Tn,Pn),其中Tn为该像素对应的时间信息,Pn即为灰度值差值,通过函数拟合,对数据点集进行拟合,即可得到一组灰度变化模拟函数,(Tn,Pn)均在上述灰度变化模拟函数上。
信息存储单元403,用于对动态视频、灰度变化模拟函数和提取的视频帧进行存储。
在本模块中,信息存储单元403对动态视频、灰度变化模拟函数和提取的视频帧进行存储,在需要恢复时,将时间信息导入到灰度变化模拟函数中,即可得到灰度值差值,由于第一张灰度画面帧各个点的灰度值均已记录,据此可以确定各个灰度画面帧中各个像素的灰度值,即可恢复灰度画面帧,将其整合为视频,即可播放,而视频帧则是保留色彩信息的画面,可以据此为灰度视频提供参考。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种用于无人场景的视频处理方法,其特征在于,所述方法包括:
获取无人场景处的实时监控视频;
提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频,所述区间段视频分为动态视频和静态视频;
对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,根据时间轴确定灰度画面帧序列的时间信息;
对灰度画面帧序列中的画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储;
所述对灰度画面帧序列中的画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储的步骤,具体包括:
以灰度画面帧序列中的第一张灰度画面帧为参考,计算所有其他灰度画面帧与其对应像素之间的灰度值差值,得到灰度统计结果;
以时间信息和灰度值差值为元素,构建多个数据点集,根据数据点集生成多组灰度变化模拟函数;
对动态视频、灰度变化模拟函数和提取的视频帧进行存储。
2.根据权利要求1所述的用于无人场景的视频处理方法,其特征在于,所述提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频的步骤,具体包括:
调取实时监控视频,确定每一帧图像对应的时刻,得到时间轴;
将实时监控视频中的相邻两组图片采样处理,得到两组采样像素信息;
将两组采样像素信息进行比对,根据比对结果判断时间轴断点位置,对实时监控视频进行分割,得到动态视频和静态视频。
3.根据权利要求1所述的用于无人场景的视频处理方法,其特征在于,所述对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,根据时间轴确定灰度画面帧序列的时间信息的步骤,具体包括:
按照预设的时间间隔对静态视频进行视频帧提取,得到采样视频画面;
将静态视频拆解为多组视频画面图像,对每一组视频画面图像进行二值化处理,得到灰度画面帧,组建灰度画面帧序列;
查询时间轴,确定每一组灰度画面帧对应的时间数据。
4.根据权利要求1所述的用于无人场景的视频处理方法,其特征在于,需要使用静态视频时,调取动态视频、灰度变化模拟函数和提取的视频帧进行数据恢复。
5.根据权利要求1所述的用于无人场景的视频处理方法,其特征在于,第一张灰度画面帧中像素的数量与灰度变化模拟函数的数量相同。
6.一种用于无人场景的视频处理***,其特征在于,所述***包括:
数据获取模块,用于获取无人场景处的实时监控视频;
视频分段模块,用于提取实时监控视频的时间轴,对实时监控视频进行模糊比对处理,将其划分为多个区间段视频,所述区间段视频分为动态视频和静态视频;
视频图像处理模块,用于对每段静态视频进行视频帧提取,并对静态视频进行灰度处理,得到灰度画面帧序列,根据时间轴确定灰度画面帧序列的时间信息;
数据存储模块,用于对灰度画面帧序列中的画面帧进行灰度统计,基于灰度统计结果生成灰度变化模拟函数,对动态视频、灰度变化模拟函数和提取的视频帧进行存储;
所述数据存储模块包括:
像素统计单元,用于以灰度画面帧序列中的第一张灰度画面帧为参考,计算所有其他灰度画面帧与其对应像素之间的灰度值差值,得到灰度统计结果;
函数模拟单元,用于以时间信息和灰度值差值为元素,构建多个数据点集,根据数据点集生成多组灰度变化模拟函数;
信息存储单元,用于对动态视频、灰度变化模拟函数和提取的视频帧进行存储。
7.根据权利要求6所述的用于无人场景的视频处理***,其特征在于,所述视频分段模块包括:
时间信息提取单元,用于调取实时监控视频,确定每一帧图像对应的时刻,得到时间轴;
图像采样单元,用于将实时监控视频中的相邻两组图片采样处理,得到两组采样像素信息;
视频分割单元,用于将两组采样像素信息进行比对,根据比对结果判断时间轴断点位置,对实时监控视频进行分割,得到动态视频和静态视频。
8.根据权利要求6所述的用于无人场景的视频处理***,其特征在于,所述视频图像处理模块包括:
关键图像提取单元,用于按照预设的时间间隔对静态视频进行视频帧提取,得到采样视频画面;
灰度处理单元,用于将静态视频拆解为多组视频画面图像,对每一组视频画面图像进行二值化处理,得到灰度画面帧,组建灰度画面帧序列;
时间数据提取单元,用于查询时间轴,确定每一组灰度画面帧对应的时间数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310698687.XA CN116431857B (zh) | 2023-06-14 | 2023-06-14 | 一种用于无人场景的视频处理方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310698687.XA CN116431857B (zh) | 2023-06-14 | 2023-06-14 | 一种用于无人场景的视频处理方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116431857A CN116431857A (zh) | 2023-07-14 |
CN116431857B true CN116431857B (zh) | 2023-09-05 |
Family
ID=87081921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310698687.XA Active CN116431857B (zh) | 2023-06-14 | 2023-06-14 | 一种用于无人场景的视频处理方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116431857B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117079081B (zh) * | 2023-10-16 | 2024-01-26 | 山东海博科技信息***股份有限公司 | 一种多模态视频文本处理模型训练方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170081100A (ko) * | 2015-12-31 | 2017-07-11 | 엘지디스플레이 주식회사 | 유기발광표시장치 및 그 구동방법 |
CN110674787A (zh) * | 2019-10-09 | 2020-01-10 | 山东浪潮人工智能研究院有限公司 | 一种基于Hog特征和lgb分类器的视频解压缩方法及*** |
CN111127376A (zh) * | 2019-12-13 | 2020-05-08 | 无锡科技职业学院 | 一种数字视频文件修复方法及装置 |
CN112866646A (zh) * | 2021-01-13 | 2021-05-28 | 杭州雅观科技有限公司 | 一种基于蓝牙Mesh的智慧社区数据采集方法及*** |
CN113225589A (zh) * | 2021-04-30 | 2021-08-06 | 北京凯视达信息技术有限公司 | 一种视频插帧处理方法 |
CN113392264A (zh) * | 2021-08-16 | 2021-09-14 | 北京快立方科技有限公司 | 一种基于结构化查询语言的流计算处理方法 |
CN114996227A (zh) * | 2022-05-30 | 2022-09-02 | 泉州亿兴电力工程建设有限公司鲤城自动化分公司 | 一种监控视频压缩及复原方法 |
CN115187439A (zh) * | 2022-03-23 | 2022-10-14 | 复佐(苏州)信息技术有限公司 | 一种智慧园区综合运营管理方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100765787B1 (ko) * | 2006-06-15 | 2007-10-12 | 삼성전자주식회사 | 압축 부호화된 영상 데이터 스트림의 재생 방법 및 그 장치 |
CN111177470B (zh) * | 2019-12-30 | 2024-04-30 | 深圳Tcl新技术有限公司 | 视频的处理方法、视频的搜索方法及终端设备 |
-
2023
- 2023-06-14 CN CN202310698687.XA patent/CN116431857B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170081100A (ko) * | 2015-12-31 | 2017-07-11 | 엘지디스플레이 주식회사 | 유기발광표시장치 및 그 구동방법 |
CN110674787A (zh) * | 2019-10-09 | 2020-01-10 | 山东浪潮人工智能研究院有限公司 | 一种基于Hog特征和lgb分类器的视频解压缩方法及*** |
CN111127376A (zh) * | 2019-12-13 | 2020-05-08 | 无锡科技职业学院 | 一种数字视频文件修复方法及装置 |
CN112866646A (zh) * | 2021-01-13 | 2021-05-28 | 杭州雅观科技有限公司 | 一种基于蓝牙Mesh的智慧社区数据采集方法及*** |
CN113225589A (zh) * | 2021-04-30 | 2021-08-06 | 北京凯视达信息技术有限公司 | 一种视频插帧处理方法 |
CN113392264A (zh) * | 2021-08-16 | 2021-09-14 | 北京快立方科技有限公司 | 一种基于结构化查询语言的流计算处理方法 |
CN115187439A (zh) * | 2022-03-23 | 2022-10-14 | 复佐(苏州)信息技术有限公司 | 一种智慧园区综合运营管理方法及*** |
CN114996227A (zh) * | 2022-05-30 | 2022-09-02 | 泉州亿兴电力工程建设有限公司鲤城自动化分公司 | 一种监控视频压缩及复原方法 |
Non-Patent Citations (1)
Title |
---|
基于灰度差值的HEVC快速帧间编码研究;彭欣 等;《电视技术》;第1-6+35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116431857A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9269105B2 (en) | Image processing | |
CN111242128B (zh) | 目标检测方法、装置、计算机可读存储介质和计算机设备 | |
US11042991B2 (en) | Determining multiple camera positions from multiple videos | |
CN110781839A (zh) | 一种基于滑窗的大尺寸图像中小目标识别方法 | |
CN116431857B (zh) | 一种用于无人场景的视频处理方法和*** | |
US8340412B2 (en) | Image processing | |
US20220301317A1 (en) | Method and device for constructing object motion trajectory, and computer storage medium | |
CN111914926B (zh) | 基于滑窗的视频抄袭检测方法、装置、设备和介质 | |
CN116363554A (zh) | 一种监控视频关键帧提取方法、***、介质、设备及终端 | |
CN111445487B (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
CN111369557B (zh) | 图像处理方法、装置、计算设备和存储介质 | |
CN110334568B (zh) | 轨迹生成与监控方法、装置、设备及存储介质 | |
CN112926385A (zh) | 监控设备的视频处理方法及相关产品 | |
KR101805018B1 (ko) | 컴팩트 비디오 생성 장치, 방법 및 컴퓨터 프로그램이 기록된 기록매체 | |
CN113572983B (zh) | 云端视频的处理方法及*** | |
CN116403200A (zh) | 基于硬件加速的车牌实时识别*** | |
CN112581489A (zh) | 一种视频压缩方法、装置及存储介质 | |
CN113421241B (zh) | 异常事件上报方法、装置、计算机设备及存储介质 | |
CN116129316A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
US20060001833A1 (en) | Moving picture search apparatus | |
CN105141963A (zh) | 图像运动估计方法和装置 | |
EP3148173A1 (en) | Method for color grading of a digital visual content, and corresponding electronic device, computer readable program product and computer readable storage medium | |
CN109996062B (zh) | 视频图像质量检测方法、装置、计算机设备和存储介质 | |
CN112560802A (zh) | 可分配数据存储库的数据处理方法及*** | |
CN111814734A (zh) | 识别刀闸状态的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |